基于FPGA的YCrCb-RGB色彩空间变换

在视频设计中,经常要用到YCrCb-RGB色彩空间变换。介绍了YCrCb-RGB色彩空间变换的原理以及VHDL语言的实现,并在xc2v500-5fg256器件上进行综合与仿真。实验结果表明该色彩空间变换可以应用于实际的视频设计中。

色彩空间变换和基于距离变换的分水岭算法在白细胞图像分割中的应用

在血液细胞显微图像中,由于红细胞、血小板与白细胞颜色相近,并且存在粘连白细胞,提取白细胞用于分类计数往往达不到较好的效果。本文提出一种色彩空间变换的方法滤除红细胞和血小板,即将RGB色彩空间上急性淋巴细胞白血病患者的血液细胞显微图像转换至HSV色彩空间,检测并提取白细胞。对于提取结果中的粘连白细胞,采用基于距离变换的分水岭分割算法标记粘连边界。同时实验证明,本文所提出的方法在分割精度上有着良好的表现。

基于色彩空间变换与异常检测的多光谱舰船感兴趣区域检测

针对多光谱遥感图像中复杂海面背景下海上舰船检测问题,在高斯模型RX异常检测算法的基础上进行改进,提出一种基于色彩空间变换的复杂海面上舰船感兴趣区域(ROI)的自动检测方法,解决了传统的阈值分割方法在遥感图像复杂海面背景下较难将目标与背景分离的问题。在多种不同复杂海面背景下的舰船ROI检测实验中,与传统阈值分割方法比较,该舰船ROI检测方法有较好的检测效果。

高动态范围图像及其色彩迁移

高动态范围图像是一种可以大范围表示场景中亮度的变化,像素值正比于场景实际亮度的图像类型。对高动态范围图像以及普通图像间的色彩迁移进行了研究。先将图像变换到正交的色彩空间,然后根据图像的色彩信息统计值,将参考图像的色彩迁移至目标图像中,使生成的新图像具有参考图像的整体色彩特征。实验表明,色彩迁移效果满意。

基于长期度量学习和图像匹配变换的机器人视觉定位研究

长期度量和自定位是自主移动机器人的基本功能,但由于光照、天气或季节变化,导致机器人采集的图像外观存在较大变化,为机器人行进、定位系统的正常运行带来了挑战。虽然基于运行经验的图像映射可以弥补图像外观的差距,但在几天或几个月的较长时间跨度内,就很难满足机器人可靠度量所需的数据量。为此从色彩恒常性理论出发,基于深度神经网络构建了RGB至灰度的非线性映射关系,实现了不同光照和天气条件下,图像内部特征匹配数的最大化;最后利用人工合成数据集与真实图像数据集进行了对比实验,实验结果显示在昼夜周期中,机器人视觉定位性能显著改进,同时显著降低了数据需求;实验发现结合低维图像的纹理特征,可以进一步改善图像外观特征匹配的效果。

三维混合变换彩色图像无损信息隐藏算法研究

对16M真彩色图像无损信息隐藏算法进行了研究,利用颜色空间变换和单个分量色彩的小波变换,以及相邻像素差值的三维混合变换实现图像的有效去冗余和稀疏化,提高频域高频分量自适应直方图调整算法的信息隐藏性能。采用KoDa Inc的16幅国际标准测试图像进行仿真,仿真结果表明,在直方图峰值点自适应平移1位的情况下,SHIRCT+DWT三维混合变换比单独小波变换嵌入容量平均提高128.9%,即平均多嵌入18426字节,PSNR平均提高0.66dB;YFbFr+差值三维混合变换比仅实施YFbFr变换嵌入容量平均提高400%,即平均多嵌入33898字节,PSNR平均提高0.39dB。该算法是有效、实用的无损信息隐藏算法。

COSMO-SkyMed颜色变换强度RC法南京建设用地变化检测

基于非局部滤波的SAR强度RC合成变化检测法对小图斑、线型地物等动态监测灵敏,且对数据获取无时空基线要求,在多云多雨城市地表要素变化检测中具备潜力。本文研究以多时相SAR强度RC合成图为数据源,提出一种基于色彩空间变换的变化图斑半自动提取方法,即通过色彩空间转换、训练样本选取、监督分类影像分割、变化区域提取4步骤,可实现基于SAR强度图的城市建设用地动态监测与图斑高效更新。选取南京河西新城与江北新区为示范,以最优参数配置(3特征向量与10样本类别)进行试验,实现了优于88%的建设用地查准率指标。

基于最优阈值和随机标号法的多车辆分割

以选择性背景更新为基础,提出由相似度决定更新速度的新方法。综合颜色差异、连通性和车辆占空比等属性建立分割双阈值的能量函数,并利用模拟退火算法求取全局最优阈值。用最优分割双阈值对车辆图像进行阈值粗分割,再以条件随机域工具整合视频空间中的时间和空间信息建立随机标号域模型,并计算最大后验概率确定粗分割中各像素点的标号(细分割)。运用色彩空间变换,消除室外环境下多种干扰的影响,增大前景(车辆)与背景图像的颜色差异,提高图像分割效率。仿真试验表明,车辆视频图像通过粗细两次分割后能够得到较好的车辆区域,与其他方法相比本文方法具有更强的准确性、鲁棒性和实时性。

DCI数字电影编解码系统

设计了一种数字电影编解码系统,重点研究了该系统中的彩色空间转换、图像压缩编码和数字电影发行文件三大关键技术,并在全计算机软件实现的基础上,对系统进行了优化.实验结果表明,系统完全符合DCI规范,压缩效果理想,编解码速度较快,可供进一步深化研究和应用.

复杂背景下基于颜色的车牌定位方法研究

车牌的颜色特征是车牌定位的一个关键信息。复杂背景下,直接对车牌边缘进行分割以达到车牌的定位比较困难。为解决上述问题,提出了一种复杂背景下基于颜色的车牌定位方法。此方法通过颜色空间变换,将复杂背景下与车牌颜色相近的颜色全部保留,滤除其他不符颜色。实验结果表明,基于颜色的车牌定位方法,去除了背景颜色及不相干区域的干扰,可以简化后续车牌处理算法,提高车牌定位的精度和速度。

DCI V1.0数字电影编解码系统关键技术研究

数字电影编解码是数字电影制作、发行和放映环节的关键技术。本文根据DCIV1.0版本技术规范,分析了数字电影编解码系统的框架,探讨了编解码中的关键技术———彩色空间转换、图像压缩算法和数字电影文件发行,介绍了基于PC平台、按照DCIV1.0技术规范要求开发的一套数字电影编解码系统。该系统编解码速度较快,符合进一步应用的要求。

基于加权损失函数的粘连白细胞分割算法

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使模型学习到更多的细胞边界特征.实验结果表明,用该方法分割数据集ALL_IDB1中的白细胞,准确率达95.19%.

基于面向对象多特征学习的无人机影像农作物精细分类方法

获取农作物高分辨率影像特征,探究多特征学习训练对实际作物分类效果的影响,对农业部门掌握作物种植精细化结构信息,高效实施生产管理具有重要意义。针对无人机获取的高分辨率可见光遥感影像,提出一种基于面向对象多特征学习的农作物精细分类方法。首先借助HSI(Hue,Saturation,Intensity)模型对RGB图像进行色彩空间变换,以进一步挖掘影像中潜在色彩结构信息,然后利用ESP(Estimation of Scale Parameter)算法和CART(Classification And Regression Tree)决策树分别确定影像最佳分割尺度及构建最优特征学习空间,最后采用面向对象随机森林(Random Forest)分类算法对多特征空间进行学习训练,以实现作物精细分类,并结合验证数据集进行精度评价。结果表明:该方法对研究区作物的分类总体精度达到90.18%,Kappa系数达到0.877,均大于像素级和单特征学习的分类精度,能够有效区分出不同的作物类型;所构建的最优特征学习空间对研究区内棉花、玉米、西葫芦、葡萄的分类效果较好,各作物类型的生产者精度均大于89%。研究结果可为农业精准管理和作物种植结构优化提供参考。

QuickBird影像城市阴影信息的提取与消除

城市绿地信息在城市研究中的重要作用。但由于各种因素的影响,城市绿地信息提取的精度受到很大的限制,其中,城市中建筑物的阴影是城市绿地信息提取的一个重要限制因素。本研究选取呼和浩特市城区的Quick Bird影像,在获取最佳波段组合的基础上,利用多种方法对遥感影像的阴影信息进行提取和消除,以期获得最佳的阴影消除方法,高效地提取城市绿地信息。首先,通过比值运算、波段重组,增强处理影像阴影信息,用最佳指数法分析Quick Bird影像阴影提取的最佳波段组合;然后,根据阴影在近红外波段的最小亮度值与最大亮度值的范围建立掩膜,成功提取影像的阴影信息;最后,将色彩空间变换分别与同态滤波和Gamma矫正结合以消除影像阴影,并与其他方法进行对比。研究结果表明,Quick Bird影像阴影提取的最佳波段组合为3/4、4、2波段组合,最佳亮度值范围为70-165;色彩空间变换与Gamma矫正相结合的方法可更好地消除阴影,并能较好地保留影像的彩色信息,是消除阴影的最佳方案。

GF-2和Sentinel-2全色多光谱影像融合方法比较研究

针对高分二号(GF-2)卫星全色遥感影像与哨兵二号(Sentinel-2)卫星多光谱遥感影像空间分辨率相差较大且传感器不同导致的光谱或空间信息丢失问题,结合快速离散Curvelet变换对HSV融合方法的分量替换过程进行改进,利用GF-2的高空间分辨率和Sentinel-2的多光谱特性分别设计高、低频系数融合规则,并且与4种经典算法的融合结果进行比较研究。通过目视解译对融合影像进行初步定性评价,然后计算熵值、平均梯度、偏差度、影像相关系数评价、均值、空间频率、结构相似性、峰值信噪比、光谱扭曲度等10个评价指标对融合影像进行定量评价。通过与4种经典算法融合对比结果可知,改进的HSV融合方法能够最大程度保留原始全色影像的空间信息与多光谱影像的光谱信息。